Indonesia 4.0 - Manufacturer

Digitalisasi BUMN khusus pengolahan atau manufacturing

Pada Manufacturing atau proses pengolahan fisik barang, Sepatutnya disadari bahwa uang anda dominan berputar di lantai produksi atau di shopfloor. Ada pembelian mesin, ongkos tenaga kerja, biaya listrik, overhead, kerugian akibat rejection, kerugian akibat waktu mesin nganggur, pergantian sparepart, electricity Down dll.

Karena uang pada manufacturing proses dominan beredar di lantai produksi, maka sudah sepantasnya lantai produksi dimonitor dan dikontrol sebaik dan seketat mungkin. Ada transparansi, ada visualisasi, ada integrasi dan interkoneksi, ada smart devise ditempatkan di lantai produksi.

Hari ini, ada 31 perusahaan BUMN bergerak dalam bidang pengolahan atau manufacturing proses. 50% diantaranya sudah menggunakan SCADA. SCADA bukanlah segala-galanya.

SCADA adalah supervisi control aquisition data. Adalah salah satu teknology kontrol yang hanya berkutat pada Parameter mesin. Seseorang yang menggunakan SCADA berada didepan sebuah monitor atau room control, dapat memperlambat Speed, tekanan, menutup valve atau membuka valve tanpa harus ke lapangan.

Beberapa BUMN sudah menggunakan sistem ini untuk memudahkan jalannya produksi sekaligus mengontrolnya. Namun lagi-lagi, SCADA hanya berkutat pada parameter mesin bukan parameter manajemen. SCADA adalah bagian dari otomatisasi, sebagai ciri khas dari industrial 3.0, menggantikan orang untuk mengontrol parameter mesin. Sekaligus menghasilkan data.

Hari ini, ini BUMN pada industri pengolahan, seharusnya sudah bergerak menuju implementasi industrial 4.0 yang sesungguhnya, dimana parameter mesin bergerak menuju parameter manajemen. Hasil dari automation dalam bentuk data-data, diolah untuk menghasilkan informasi yang berguna untuk manajemen BUMN. Hal ini dilakukan secara auto data collection langsung dari mesin dan fasilitas produksi, bukan manual input, manual entry dan manual kalkulasi. Terjadi pergeseran dari parameter mesin menuju parameter manajemen.

Parameter management atau Key performance indikator diwujudkan dalam suatu konsep MES (Manufacturing Executin System) software & hardware. MES berisikan variable-variable di lantai produksi untuk menghasilkan informasi. Ada 21 KPI pada lantai produksi, yang relevan dengan teknologi saat ini, antaralain :

1 Capacity Utilization

2 On Standard Operating Efficiency

3 Overall Operating Efficiency

4 Overall Equipment Effectiveness OEE

5 Machine Downtime

6 Unscheduled Down Time

7 Machine Set Up Time

8 Inventory Turns

9 Inventory Accuracy

10 Quality

11 First Pass Yield

12 Rework

13 Scrap

14 Failed Audits

15 On-Time Delivery

16 Customer Returns

17 Training Hours

18 Employee Turnover

19 Reportable Health & Safety Incidents

20 Revenue per Employee

21 Profit per Employee

Ditambah dengan algoritma machine learning dan Big Data. Manajemen bisa memperoleh data yang akurat dan presisi untuk memprediksi serta mengoptimasi seluruh parameter yang terlibat dalam proses produksi. Upaya peningkatan produktivitas akan optimal dan cepat untuk digapai.

Bagaimana mewujudkan itu?, secara garis besar ada tiga hal yang harus disiapkan :

1. People dan organisasi,

2. Teknologi serta

3. Business transformasi. Kami bisa bantu set up itu semuanya dengan pengalaman yang kami dapatkan dalam mengimplementasi digitalisasi terhadapa multi nasional company di indonesia.

Cari kami di Inovator4id.

21 Production KPI Examples Updated for 2020 to Improve Manufacturing Performance

Ini Ada Artikel Bagus dan kekinian
dari : https://www.rhythmsystems.com/blog/21-production-kpi-examples-to-improve-manufacturing-performance

21 Production KPI Examples for the Manufacturing Industry

Capacity Utilization – This measures how much of your available capacity you are actually using on your production line. The higher the better. Buildings and equipment are expensive assets and you want to maximize their use. It also helps to manage what you sell by production center so you do not over or undersell a particular manufacturing line, thereby balancing the workload.
On Standard Operating Efficiency – If you have a piece rate or incentive system in place, you want to measure how employees are performing against the labor standards you used to cost the product. If these numbers are low, it is beneficial to examine methods and do post-production analysis. It is very common for companies to underestimate labor costs, and this KPI can help you identify this.
Overall Operating Efficiency (OOE)– This is one of my favorites because it includes on standard time as well as off standard time. You are trying to maximize this percentage so that employees are adding value the majority of the time they are clocked in and present.
Overall Equipment Effectiveness OEE– This metric measures the overall effectiveness of a piece of production equipment or the entire line. Availability x Performance x Quality. This is a great KPI to maximize to ensure you are running the plant effectively.
Machine Downtime – This KPI and the two below are components of OEE above, but worth measuring on their own. This includes scheduled downtime for maintenance, setups and unscheduled downtime and can include machine changeover.
Unscheduled Down Time – This one can be a killer and one to minimize because it affects other processes in the production chain. Scheduled and predictive maintenance can help minimize unscheduled downtime. There are wireless sensors you can use which can help support predictive maintenance to reduce unscheduled downtime.
Machine Set Up Time - A lot of production time can be lost to set up and changeovers. Implementing SMED (single minute exchange of dies or similar techniques) can really help keep this lost time to a minimum. Look for ways to incorporate parts of the set up so that they are internal to the process to avoid taking machines offline for any longer than you need to. Quick changeover setups also reduce this time.
Inventory Turns – In today’s Lean environment and pull approach, keeping inventories to a minimum can really help free up cash and give you the ability to respond to changing customer needs much more efficiently and with better delivery times. It also keeps your on-hand inventory fresh and relevant to avoid obsolescence and mask quality problems.
Inventory Accuracy – There is nothing worse than putting a work order into production only to find your raw goods inventory was inaccurate. This either delays the start of production or causes delays in the line if the order happened to make it into process. I had a rule to never let an order begin production unless everything was available in-house for the order. This helps you manage and maintain your supply chain to keep the right amount of inventory on hand to keep things running.
Quality – This is a no-brainer and table stakes today, but still necessary to measure. There are many ways to measure quality, and I am listing a few below for consideration. Percent defective is one of many ways you can measure quality. Establishing clear and consistent standards goes a long way to reaching your quality goals. The only way to continuously improve is to learn from your mistakes, so don't just measure the quality - determine the root cause and fix it.
First Pass Yield – The percentage of products manufactured correctly and to spec the first time through the process. Getting this number up reduces the next two listed.
Rework – There is no bigger waste of time and raw materials than rework. Implementing quality at the source and effectively training people can go a long way to minimizing this waste.
Scrap – Raw material costs are expensive so minimizing scrap is important. The more robust your processes and training programs are, the less scrap you are likely to produce. When you do produce scrap, do your best to recycle it if possible.
Failed Audits – There is nothing worse than having a shipment ready to go out the door that fails a final quality control audit. Better here than on the customer's doorstep, but this still leads to rework, scrap and delays. The goal for this KPI should be 0 failed audits, and if it’s not, a root cause analysis is in order.
On-Time Delivery – This is a KPI that really keeps customers happy but is also motivating to your production employees. Set the goal for 100% on-time weekly and consider rewarding your employees if they achieve it. Many of the other leading indicators mentioned help drive this one. What percentage of total products are delivered on time? Read this blog article to learn about KPIs, Culture, and Habits to Improve On-Time Delivery.
Customer Returns – There is nothing worse than getting a defective product back from customers. Not only is it embarrassing, it ruins customer confidence. Even though this is a result indicator, it can help you determine problems in the production chain when you evaluate returned products. A good goal is to strive for zero returns.
Training Hours – This is a great leading indicator that can drive a lot of the other KPIs on this list. Training doesn’t solve every problem, but there is no substitute for a good training and onboarding program. Too many companies still use the sink or swim method which creates a lot of problems. Tweet: Training doesn’t solve every problem, but there is no substitute for a good training and onboarding program. Too many companies still use the sink or swim method which creates a lot of problems. @RhythmSystems http://bit.ly/2INL73j
Employee Turnover – Happy employees make happy customers. If your turnover is high, it is time to do some root cause analysis to determine why. Quality and efficiency problems often stem from high turnover due to training new inexperienced employees.
Reportable Health & Safety Incidents – Here's another KPI to strive for zero on. Many companies have embedded this in their culture. I grew up in a big railroad town, and I remember driving past the billboard of a locomotive where they would list how many days achieved with zero accidents. Very motivating for employees and something they were proud of. Accidents drive up workers' compensation rates and are hard on employee morale.
Revenue per Employee – This is a basic indicator but can be a quick helpful way to see how the operation is doing overall; improving, standing still or becoming less efficient. It is also a good metric to use to compare your company against others in a similar industry.
Profit per Employee – I like this KPI even more than the one above. Even though it’s lagging, it takes into consideration how well you are doing on many of the leading indicators above. Revenue per employee may look good, but you may see you have opportunities to improve profitability.

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Seandainya saya Bos BUMN

Bukan siapa-siapa, hanya punya imajinasi besar untuk negeri ini.

Hari ini, ini siapa yang punya duit banyak? Selain konglomerasi swasta?, siapa yang mendominasi dan menggerakkan ekonomi maju atau mundurnya di negara ini?,

BUMN

Semua proyek dan mega proyek di negara kita ini dikelola dan dilaksanakan serta dipertanggungjawabkan oleh BUMN dan BUMN. Kenapa BUMN dan BUMN?, ya karena anak-anaknya BUMN juga, bahkan koperasi dan pensiunan BUMN ikut dilibatkan, di bawah perlindungan dan bendera BUMN.

Apakah ini sehat?, pemerintah BUMN regulator, operator serta eksekutif?,
Biarkan hasil yang bisa menjawab.

Hari ini saja BUMN sering katakan "merugi, berhutang", bahkan ada yang dibekukan karena sudah tidak efisien. Bagaimana di saat bangsa ini sedang membangun, Krakatau Steel memecat dan merumahkan banyak sekali karyawannya. Kan aneh?

Kenapa?, apa salah satu dari banyak alasan adalah karena tidak efisien lagi. Lebih banyak losses, kerugian lebih banyak, utang dimana mana, gilaknya menjadi Hutang Negara. Kenapa banyak hutang? Ya karena sudah tidak efisien dan dari tahun ke tahun di pertahankan terus. Mau minjem istilah bung Rocky #memeliharadungu.

Pokoknya ribet, tidak transparan, tidak ter visualisasi, tidak kekinian, tidak smart, tidak terintegrasi, tidak Real Time, tidak modular, menganut paham kuno Sentralisasi.

Bagaimana solusinya?

Bentar dulu Bro, kenal kan dulu agan..
Seorang teknokrat, kerjaan saya kira-kira :

Melakukan digitalisasi terhadap pabrik dan Manufacturing di Indonesia. Klien saya, ya biasanya multinasional company dan Swasta perusahaan Manufacturing Tbk.
Saya sering melakukan transformasi Digital dari manual menjadi otomatis.
Saya membangun pondasi dari implementasi industrial 4.0 khusus untuk Manufacturing Processing
Saya punya pasukan avengers yang tergabung dalam komunitas inovator 4.0 level internasional yang bisa mewujudkan industrial 4.0, bahkan sampai supremasi kuantum.

Jadi bagaimana solusinya ?

Sekali lagi, saya hanya tertarik untuk menyoroti BUMN yang lini bisnisnya adalah Manufacturing.
Ada tiga hal yang mesti dilakukan :

1. Transformasi People dan organisasi.

Nomor satu yang harus dilakukan, setuju sekali dengan gaya ya bang Erick Thohir, gebrakan pertama adalah BUMN butuh LEADERSHIP. Kita butuh satu tokoh leader yang bisa memimpin kita mengarungi era evolusi supply chain 4.0.

Dan Pak Ahok cocok untuk itu. Setuju sekali.
Selanjutnya adalah organisasi. Entah mengapa pikiran saya dan pikiran bank Erick Thohir sama. Kita butuh BUMN yang Lean, yang Agile , serta lebih Produktif.
Semua sama-sama tau BUMN itu sudah terlalu gemuk, banyak pejabat di dalam sana hanya titipan partai, tidak ada kerjaan signifikan dengan gaji selangit. Semua orang berlomba-lomba pejabat di BUMN dengan cara apapun. Bang Erick Thohir sudah tahu itu, dan tepat sekali. Memangkas jebatan-jabatan yang tidak efektif dan efisien.

Selanjutnya yang mesti dilakukan oleh bang Erick Thohir adalah bagaimana Capacity Utility, serta data-data matriks dari lantai produksi bisa tercapture secara otomatis tanpa manual entry dan manual reporting. Bang Eric Tahu persis pergerakan efektivitas manufacturing BUMN detik per detik. Semua KPI dievaluasi apakah relevan atau tidak, kalau belum ada KPI , maka segera di rumuskan KPI nya. Pada Manufacturing semua KPI dari berbagai lini sudah menjadi standar, tinggal sesuaikan dengan konsep Lean Manufacturing yang kekinian.

Nomor 2 yang harus dilakukan oleh bang Erick Thohir adalah collaboration, bagaimana sektor swasta diajak secara profesional. Saya garis bawahi secara profesional untuk bekerja dan menghasilkan profit sebesar besarnya untuk rakyat, sehingga tidak ada cerita BPJS bangkrut.

Nomor 3 BUMN harus menjadi sarana pengembangan education bagi seluruh karyawan untuk berkembang menjadi individu yang sesungguhnya adalah pelayan negara. Mengembalikan Hakiki BUMN sebagai sarana untuk kepentingan bangsa dan negara. Dan masih banyak lagi step2 berikutnya.

2. Transformasi Teknologi

Transformasi teknologi adalah transformasi supply chain. Teknologi yang digunakan di hari ini adalah teknologi yang sejalan dengan industrial 4.0.

Banyak yang salah kaprah, mohon maaf yang salah pengertian tentang industrial 4.0. Menyamakan konsep engineering atau topologi secara keseluruhan. Padahal pada prakteknya, manufacturing itu sangatlah kompleks, sangat dan jauh lebih kompleks dari pertanian, perkebunan, peternakan marketplace dan lain sebagainya.

Di manufacturing, ada ratusan bahkan ribuan sensor, ada ribuan selenoid, ada ratusan bahkan puluhan brand controller, ada macam-macam komunikasi. Ada berbagai macam mesin, yang ada data logger, PLC, bahkan manual pun masih ada, ada mesin yang di locked, pokoknya macam-macam tingkat kompleksitasnya.

Belum lagi variabel di shopfloor. Ada yang sifatnya multi SKU, multi batch, continuous Line atau individual mesin. Macam-macam. Oleh karena itu perlu sikap yang bijak dalam melakukan transformasi teknologi di Manufacturing.

Anda butuh berbagai macam disiplin ilmu dan keahlian, serta sistem integrator.
Yang lainnya, bisa saya sampaikan di lain kesempatan.

3. Transformasi Bisnis

Ketika Manufacturing sudah berhadapan dengan data-data Real Time, visualisasi, transparansi, desentralisasi, integrated, serta modular. Selanjutnya business akan mengalami transformasi besar.

BUMN akan lebih lincah, agresif dan cenderung sangat fleksibel menjadi customer oriented, mampu bersaing, dan pada akhirnya akan lebih profit dari sebelumnya.

Keputusan-keputusan korporasi ditingkat shopfloot maupun top management didasarkan atas algoritma machine learning pada artifisial intelijen memberikan akurasi lebih.

Dimensi-dimensi kualitas dari produk yang dihasilkan oleh Manufacturing BUMN akan mampu menjadi pemenang Dalam persaingan global.

Saya menjadi merinding bagaimana ketika Capacity Utilization, OEE, Machine Downtime, Rework, Inventory turn, Ontime delivery, Tracebility, Failure cost, Employe Revenue, Sales and forecasting bahkan Aktuator dijalankan oleh mesin learning.

Sudah tidak ada lagi peluang untuk korupsi, kolusi dan nepotisme. Semua akan berlangsung dengan sangat efektif dan efisien.

Kan keren...

Sekian dulu kira-kira imajinasi serta konsep , bagaimana seandainya saya menjadi Bos BUMN dari sisi tekokrat. Kita lanjutkan di lain kesempatan.

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Monitoring pabrik kok pakai Microcontroller Ard*** ?

Bagaimana mungkin menggunakan mikrokontroler jenis ard***, salah satu development board untuk mengontrol pabrik?,
Menurut saya, keputusan yang kurang bijaksana.

Tapi ini sungguh terjadi, kami temui beberapa pabrik sudah menggunakan development board, atau devices yang seharusnya digunakan sebagai prototipe, atau hobi , nyatanya memang digunakan untuk melakukan akuisisi data langsung dari mesin dan fasilitas produksi lainnya.

Pabrik bukanlah laboratorium percobaan. Salah-salah sedikit maka akan melibatkan banyak kepentingan. Termasuk data yang dikeluarkan oleh devices seperti ard***(Development board). Menurut kami, tindakan seperti ini semacam ini hanya menghabis habiskan waktu dari teman-teman engineering yang mengembangkan development board untuk mesin produksi. Energi terbuang begitu saja. tidak sebanding dengan hasil yang didapat.

Justru akan menimbulkan problem baru, ketika data tidak masuk sempurna, data mengalami noise dalam perjalanan, data tidak akurat pembacaannya. Ketika itu dikonsumsi oleh top management, bayangkan bagaimana efeknya. Terutama untuk teman-teman di lantai produksi.

Belum lagi jika data tidak masuk, sementara teman-teman produksi sangat bergantung dengan report dari devices ini.

Justru akan menimbulkan problem baru, ketika data tidak masuk sempurna, data mengalami noise dalam perjalanan, data tidak akurat pembacaannya. Ketika itu dikonsumsi oleh top management, bayangkan bagaimana efeknya. Terutama untuk teman-teman di lantai produksi.
Belum lagi jika data tidak masuk, sementara teman-teman produksi sangat bergantung dengan report dari devices ini.

Betul, setahu saya memang ada device ard *** atau development board yang heavy duty dan kelas industri. Namun setelah dicek, harganya lumayan tinggi dan hampir sama dengan devices yang selama ini familiar untuk melakukan pengontrolan mesin yakni PLC. Harganya hampir sama, hampir tidak ada bedanya, malah beberapa lebih mahal.

Sementara protokol yang digunakan development board ini ini tidak sama, dan tidak nyambung dengan ladder PLC?, artinya tidak bisa diadaptasi ke PLC.

Jika hanya ingin melakukan percobaan, trial atau inovasi. Beberapa brand PLC menyediakan mini PLC yang harganya sekitar Rp4.000.000 sampai Rp5.000.000, cukup murah bagi sebuah pabrik. Mini PLC punya protokol yang sama dengan tipe tinggi nya, programming/ladder yang dibuat di mini PLC masih bisa diteruskan ke tipe tinggi nya.

"Jadi kenapa harus mempertahankan ard *** atau development board untuk dikembangkan?, tidak ada faedahnya menurut saya, terkecuali kalau itu di implementasikan diluar Manufacturing".

PLC adalah bentuk giga dari mikrokontroler. Temukan perbedaanya.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Topologi VMTECH - Stage 2, Stage 3 dan Stage 4

Stage 2

Pada tahap ini data matriks dari shopfloor produksi dilakukan tahap engineering data oleh teman-teman Data Scientist, menuju tahap AI (aartificial intelligence) dengan metode machine learning dan deep learning. Algoritma data, korelasi data, deviasi data distribusi data dll adalah metode yang digunakan untuk mendapatkan Insight, atau value.

Proses engineering data ini dapat dilakukan dengan online dalam hal ini dikenal dengan fasilitas cloud atau dapat dilakkan dengan dengan offline dengan fasilitas GUI.

STAGE 3

Stage 3 menghasilkan insight dan value. Dengan mendapatkan Insight atau value, pengambilan keputusan jauh lebih akurat dan lebih presisi. Kita akan mendapatkan parameter yang bisa mengoptimasi produktivitas sebuah pabrik. Sehingga perusahaan mendapatkan profit yang optimal dan dapat terus eksis dalam persaingan global.

Selain digunakan sebagai metode pengambilan keputusan, signal keluaran dari metode machine learning dan deep learning dapat diteruskan kepada Edge computing untuk bisa dilakukan eksekusi dan aktuator aktuator yang akan dijelaskan pada stage ke-4.

STAGE 4

Pada stage 4 edge computing yang merangkap sebagai aktuator akan melakukan intervensi terhadap proses di Manufacturing sampai kepada siapa produksi. Prinsip "people only consump from machine" sudah dilakukan. Semua sistem berjalan dengan prinsip artifisial intelijen. Melibatkan AI robot, AGV, augmented Reality, virtual reality, human machine interface, UAV dll.

Topologi VMTECH - Implementasi Industrial 4.0

Industrial 4.0 adalah evolusi besar dari peradaban dunia. Secara umum ada 3 hal yang harus dipersiapkan dan berjalan beriringan jika ingin menerapkan digitalisasi factory khususnya di manufacturing processing, antara lain adalah :

1. People atau organization.

Pada tahap ini ini perusahaan harus memikirkan bagaimana seluruh aset people dan organization mempunyai pemahaman dan pengertian yang sama tentang langkah perusahaan yang menuju lean manufacturing, semakin efisien dan semakin efektif. People dan organization secara mindset sudah paham tentang lean manufacturing, evolusi supply chain, total productive maintenance, 5S, just in time,dll. Mempunyai struktur dan hierarki yang bisa menjadi Leading bagi transformasi digital.

2. Teknologi

Perusahaan manufaktur yang harus mengerti teknologi yang tepat dan bijak digunakan untuk mendukung automatic data collection, horizontal integration ataupun vertical integration. Perusahaan harus mempunyai referensi yang cukup baik peserta literasi yang memungkinkan untuk memilih hardware dan software yang tepat. Prinsipnya adalah hardware dan software tersebut memiliki desain yang robust design serta seamless conectivity.

3. Business transformation

Perusahaan manufaktur juga harus memikirkan dari awal tindak lanjut dari software produksi kan yang transparan tervisualisasi dengan baik serta data real Time, aktual dan paperless. Data atau value tersebut ditindaklanjuti oleh bagian sales and marketing, GA, procurement, warehouse dll. Jika data dari shopfloor produksi sudah paperless, seharusnya Memberikan manfaat yang signifikan terhadap departemen sales and marketing untuk semakin cepat menyesuaikan dengan kebutuhan serta added value pelanggan.

Ketiga hal tersebut adalah yang umum dilakukan ketika melakukan adaptasi terhadap industrial 4.0.

Bagaimana VMTECH mempunyai topologi terhadap industrial 4.0 adalah sebagai berikut :

TOPOLOGY VMTECH - Industry 4.0

Stage 1

Stage 1 diawali dengan "Connect Everything". Horizontal integration dan vertikal integration dilakukan di shopfloor produksi. Equipment yang tidak punya konektifitas dilakukan pergantian dengan jenis yang punya konektifitas, minimal dengan komunikasi analog. Condition Base monitoring dilakukan. Akses jaringan komunikasi LAN dan WIFI di siapkan untuk di tempatkan di lantai produksi.

Setelah devise disiapkan dan dilakukan integrasi horizontal dan integrasi vertikal terhadap mesin dan fasilitas produksi, tahap selanjutnya adalah auto data collection. Data-data yang diperlukan ditarik secara seemless menuju Pulling data. Manufacturing sangatlah kompleks, ada ratusan sensor,ada ribuan relay ada ratusan data logger, dan ada ribuan contact yang tersedia. Memerlukan perangkat Edge computing untuk processing data sebelum menuju Cloud. Beberapa perusahaan terutama perusahaan yang berasal dari Japan misalnya tidak terlalu suka menggunakan fasilitas Cloud.

Mereka lebih suka menggunakan offline edge computing.

Melakukan setelah melakukan auto data collection, maka tahap selanjutnya adalah melakukan prosesing data sesuai dengan goals yang akan dicapai. Tujuan pengolahan data untuk mendapatkan data matriks dari performance sebuah Manufacturing proses. Data matrik ini dapat berupa skoring dari efisiensi mesin dan proses, energy monitoring system, preventive maintenance system, tingkat utilitas sistem. yang sudah menjadi benchmark internasional.

Setelah sistem mengeluarkan data matriks dari persamaan sebuah Manufacturing, maka langkah selanjutnya adalah melakukan visualisasi data serta analitikal data. Ada banyak tools yang dapat digunakan. Penggunaan Seven tools untuk menghasilkan gas pareto chart, pie chart, histogram skater dan lain-lain dirasa sangat membantu untuk bisa menganalisa dan mengambil kesimpulan dari data dan informasi yang didapat langsung dari mesin.

Stage 2, Stage 3 dan Stage 4 selanjutnya >>>

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

TIPS MEMILIH VENDOR MES/OEE AUTO SCORING

hi excelllent people ...

Agak sulit untuk menentukan vendor penyedia sistem OEE Scoring yang auto (Software & hardware). Berikut beberapa tips yang seharusnya dapat diaplikasikan ketika memilih vendor MES system atau OEE Scoring.

Pastikan menggunakan perangkat hardware yang industrial.
Pastikan vendor tersebut dapat customizing, sesuai dengan kondisi dan ekspektasi top management.
Semaksimal mungkin data atau Trigger diambil dari mesin langsung. Jika tidak bisa, minimal menghilangkan kertas dan ballpoint.
Hardware yang digunakan Robust Design dan Seamless Connectivity serta modular system. Sebab ada ratusan sensor, ratusan relay, ratusan selenoid di lantai produksi yg akan di ambil datanya untuk BIG DATA.
Hardware sudah dipersiapkan untuk integrasi selanjutnya dengan produk dan mesin lain.
Lihat tingkat kedalaman data type downtime ataupun quality. Sebaiknya downtime diuraikan Lebih Detail, hingga ke root cause dan syntomp nya. Dengan demikian top management akan dihadapkan pada data yang aktual dan efektif sebagai bahan improvement.
Pastikan menggunakan dashboard yang Real Time, serta bermanfaat untuk operator lapangan.
Pastikan mendapatkan warranty selama mungkin, karena dalam prakteknya anda akan berhadapan dengan small modification terhadap tampilan, atau bahkan algoritma pemograman di masa mendatang
Informasi jenis down Time, jenis rejection, rumus perhitungan OEE, template dashboard, template database dan reporting disepakati di awal.
Sebelum implementasi sebaiknya dilakukan simulation secara software, memastikan semuanya sesuai dengan konsep yang disepakati, sebelum benar-benar instalasi.

Pertimbangan harga adalah faktor yang juga sangat menentukan, karena customer dibebankan untuk menginvestasi beberapa licence dari software, termasuk operation system yang digunakan dalam server.

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price application
wonderware rockwell www vmtech indonesi

Indonesia 4.0 - Manufacturer

Digitalisasi BUMN khusus pengolahan atau manufacturing

21 Production KPI Examples Updated for 2020 to Improve Manufacturing Performance

Seandainya saya Bos BUMN